Wyszukiwanie zaawansowane ?

Obiekt

Attack vectors on supervised machine learning systems in business applications
Pobierz

Tytuł: Attack vectors on supervised machine learning systems in business applications

Tytuł odmienny:

Wektory ataków na nadzorowane systemy uczące się w zastosowaniach biznesowych

Autor:

Surma, Jerzy

Opis:

Informatyka Ekonomiczna = Business Informatics, 2020, Nr 3 (57), s. 65-72

Abstrakt:

Machine learning systems have become incredibly popular and now have practical applications in many fields. An area of business applications has been developing particularly well, starting from the prediction of customers’ purchase preferences and up to the automation of critical business processes. In this context, the security of such systems in a situation of a threat of intentional attacks carried by organized crime is extremely important. A theoretical framework of attacks on supervised machine learning systems, which are the most popular in business applications, is set out in this article. The possible attack vectors are widely discussed. The main contribution of this article is to recognize that the black box type attack scenario is the most probable, therefore the scenario of this kind of attacks was described extensively

Wydawca:

Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu

Miejsce wydania:

Wrocław

Data wydania:

2020

Typ zasobu:

artykuł

Identyfikator zasobu:

doi:10.15611/ie.2020.3.05 ; oai:dbc.wroc.pl:108474

Język:

eng

Powiązania:

Informatyka Ekonomiczna = Business Informatics, 2020, Nr 3 (57)

Prawa:

Pewne prawa zastrzeżone na rzecz Autorów i Wydawcy

Prawa dostępu:

Dla wszystkich zgodnie z licencją

Licencja:

CC BY-SA 4.0

Lokalizacja oryginału:

Uniwersytet Ekonomiczny we Wrocławiu

Tytuł publikacji grupowej:

Informatyka Ekonomiczna = Business Informatics

Temat i słowa kluczowe:

adversarial machine learning supervised machine learning security of machine learning systems antagonistyczne maszynowe uczenie się nadzorowanie maszynowe uczenie się bezpieczeństwo systemów uczących się

Kolekcje, do których przypisany jest obiekt:

Data ostatniej modyfikacji:

11 cze 2022

Data dodania obiektu:

4 mar 2021

Liczba wyświetleń treści obiektu:

149

Wszystkie dostępne wersje tego obiektu:

https://www.dbc.wroc.pl/publication/150840

Wyświetl opis w formacie RDF:

RDF

Wyświetl opis w formacie OAI-PMH:

OAI-PMH

Nazwa wydania Data
Attack vectors on supervised machine learning systems in business applications 11 cze 2022

Podobne

Studia Geotechnica et Mechanica
Studia Geotechnica et Mechanica

Supervised probabilistic failure prediction of tuned mass damper-equipped high steel frames using machine learning methods

Farrokhi, Farshid Rahimi, Sepideh

2020
artykuł

Metoda wspomagania akwizycji wiedzy dla systemów ekspertowych w zarządzaniu

Surma, Jerzy Baborski, Andrzej. Promotor

1993
rozprawa doktorska
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu

Case-based strategic decision-making

Surma, Jerzy

2011
artykuł
Ekonometria = Econometrics
Ekonometria = Econometrics

The use of data mining models in solving the problem of imbalanced classes based on the example of an online marketing campaign

Łapczyński, Mariusz Surma, Jerzy

2015
artykuł
Więcej
×

Cytowanie

Styl cytowania:

Dane kontaktowe

Adres

Politechnika Wrocławska (Koordynator Konsorcjum DBC)
Biblioteka Politechniki Wrocławskiej
Wybrzeże Wyspiańskiego 27
50-370 Wrocław, Polska

Telefon

(+48) 71-320-38-30
(+48) 71-320-47-50

E-Mail

bc@pwr.edu.pl

Odwiedź nas!

https://biblioteka.pwr.edu.pl/

Ta strona wykorzystuje pliki 'cookies'. Więcej informacji